검증
딥러닝 검증은 심층 신경망의 속성을 평가하기 위한 일련의 기법입니다. 예를 들면 신경망의 견고성 속성을 검증하고 신경망 출력 범위를 계산하고 적대적 표본을 찾고 분포 외(out-of-distribution) 데이터를 감지하고 산업 표준의 준수 여부를 확인할 수 있습니다.
Deep Learning Toolbox Verification Library 지원 패키지를 사용하면 딥러닝 신경망의 견고성 속성을 테스트할 수 있습니다.
verifyNetworkRobustness
함수를 사용하여 적대적 표본에 대한 신경망의 견고성을 검증합니다. 지정된 입력 하한과 입력 상한 사이에서 입력값이 섭동되었을 때 신경망의 예측 클래스가 바뀌지 않는다면 이 신경망은 적대적 입력값에 대해 견고합니다. 입력 범위 집합에 대해, 함수는 신경망이 해당 입력 범위 사이에서 적대적 표본에 대해 견고한지 확인하고verified
,violated
또는unproven
을 반환합니다.estimateNetworkOutputBounds
함수를 사용하여 입력이 지정된 하한과 상한 사이에 있을 때 신경망이 반환하는 출력값의 범위를 추정합니다. 이 함수를 사용하여 신경망 예측이 입력 섭동에 얼마나 민감한지 추정합니다.networkDistributionDiscriminator
함수를 사용하여 데이터를 분포 내(in-distribution) 데이터와 분포 외(out-of-distribution) 데이터로 분리하는 분포 판별기를 만듭니다.
함수
estimateNetworkOutputBounds | Estimate output bounds of deep learning network (R2022b 이후) |
verifyNetworkRobustness | Verify adversarial robustness of deep learning network (R2022b 이후) |
networkDistributionDiscriminator | Deep learning distribution discriminator (R2023a 이후) |
isInNetworkDistribution | Determine whether data is within the distribution of the network (R2023a 이후) |
distributionScores | Distribution confidence scores (R2023a 이후) |
drise | Explain object detection network predictions using D-RISE (R2024a 이후) |
deep.gpu.deterministicAlgorithms | Set determinism of deep learning operations on the GPU to get reproducible results (R2024b 이후) |
객체
BaselineDistributionDiscriminator | Baseline distribution discriminator (R2023a 이후) |
EnergyDistributionDiscriminator | Energy distribution discriminator (R2023a 이후) |
ODINDistributionDiscriminator | ODIN distribution discriminator (R2023a 이후) |
HBOSDistributionDiscriminator | HBOS distribution discriminator (R2023a 이후) |
도움말 항목
- Verification of Neural Networks
Learn about verification of neural networks using Deep Learning Toolbox™ Verification Library.
- Verify Robustness of Deep Learning Neural Network
This example shows how to verify the adversarial robustness of a deep learning neural network.
- Verify Robustness of ONNX Network
This example shows how to verify the adversarial robustness of an imported ONNX™ deep neural network. (R2024a 이후)
- Deep Learning Visualization Methods
Learn about and compare deep learning visualization methods.
- Out-of-Distribution Detection for Deep Neural Networks
This example shows how to detect out-of-distribution (OOD) data in deep neural networks.
- Verify an Airborne Deep Learning System
This example shows how to verify a deep learning system for airborne applications and is based on the work in [5,6,7], which includes the development and verification activities required by DO-178C [1], ARP4754A [2], and prospective EASA and FAA guidelines [3,4]. (R2023b 이후)